Generativ süni intellekt reklam mətnlərini, vizualları və videoları getdikcə daha sürətlə yarada bilir. Lakin reklamın texniki və ya vizual keyfiyyəti ilə istehlakçının həmin reklamı necə qiymətləndirməsi eyni şey deyil. İstehlakçı eyni reklamın insan yaradıcı komanda əvəzinə süni intellekt tərəfindən yaradıldığını öyrəndikdə, yalnız reklam məzmunu haqqında fikri deyil, reklamı qiymətləndirmək üçün istifadə etdiyi meyarlar da dəyişə bilər.

Lucas Caldeira-Souza tərəfindən hazırlanmış konseptual tədqiqat bu dəyişimi evaluative disruption-recalibration, yəni qiymətləndirmənin pozulması və yenidən kalibrasiyası prosesi kimi izah edir. Tədqiqata görə ənənəvi reklam qiymətləndirməsi; niyyət, etibarlılıq və əmək kimi əsasən insan aktorlarına uyğun formalaşmış zehni meyarlara əsaslanır. Reklamın istehsalçısı insan olmayan sistem olduqda bu meyarların birbaşa tətbiqi çətinləşə bilər.

Bu nöqtədə məqalə Agent-Nature Uncertainty (ANI) anlayışını təklif edir. ANI istehlakçının reklamın AI tərəfindən yaradıldığını anlaya bilməməsi deyil; AI olduğunu bildiyi bir inandırma aktorunu hansı meyarlarla qiymətləndirəcəyini bilməməsi vəziyyətidir.

Çərçivə daha sonra iki yenidən kalibrasiya formasını müəyyənləşdirir. Agent recalibration, expertise və trustworthiness kimi mənbə etibarlılığı meyarlarının insan təcrübəsi və səmimiliyindən texniki competence və reliability meyarlarına keçməsini ifadə edir. Production recalibration isə reklamın yaradılması üçün sərf edildiyi düşünülən əməyin insan əməyindən maşın efficiency-sinə görə yenidən qiymətləndirilməsidir.

Tədqiqat 11 nəzəri müddəa və bir tədqiqat sualı irəli sürür. Lakin yeni istehlakçı məlumatı toplamamış və bu əlaqələri eksperimental şəkildə sınaqdan keçirməmişdir. Buna görə model AI reklamlarının istehlakçı davranışına necə təsir etdiyinə dair təsdiqlənmiş nəticələr deyil, gələcəkdə sınaqdan keçirilə biləcək sistemli tədqiqat çərçivəsi təqdim edir.

Reklamın məzmunu eyni qaldığı halda istehsalçısının kimliyi niyə vacib ola bilər?

Reklamın vizual keyfiyyəti, mesajı və ya məhsul haqqında məlumatı dəyişmədən qala bilər. Buna baxmayaraq istehlakçı reklamın insan yaradıcı komanda tərəfindən, yoxsa generativ süni intellekt tərəfindən yaradıldığını öyrəndikdə qiymətləndirmə dəyişə bilər.

Mənbə tədqiqatın başlanğıc nöqtəsi ondan ibarətdir ki, istehlakçılar yalnız mesaj haqqında deyil, mesajın arxasındakı aktor haqqında da nəticə çıxarırlar.

İnsan reklamçı barədə istehlakçı şüurlu və ya şüursuz şəkildə belə suallar verə bilər: Bu şəxs nə məqsəd güdür? Mövzunu nə qədər yaxşı bilir? Mənə qarşı dürüstdürmü? Bu kampaniyaya nə qədər əmək sərf edib?

Süni intellekt bu sualların obyektini dəyişir. Sistem insan mənasında istək, şəxsi təcrübə, səmimiyyət və ya əmək sahibi deyil. Buna görə mövcud qiymətləndirmə sxemləri eyni şəkildə tətbiq edildikdə nəzəri uyğunsuzluq yarana bilər.

Qiymətləndirmənin Pozulması və Yenidən Kalibrasiyası Nədir?

Evaluative disruption-recalibration, istehlakçının insan inandırma aktorları üçün formalaşdırdığı qiymətləndirmə meyarlarının insan olmayan reklam istehsalçısına birbaşa tətbiq edilə bilməməsi və bundan sonra yeni meyarların yaradılması prosesidir.

Buradakı “disruption” istehlakçının reklama reaksiya verməyi tamamilə dayandırması demək deyil. İnsan mərkəzli sxemin birbaşa tətbiq edilə biləcəyi aktor olmadığı üçün qiymətləndirmə sistemində uyğunsuzluğun yaranmasını ifadə edir.

“Recalibration” isə istehlakçının qiymətləndirmədən imtina etmək əvəzinə onu fərqli meyarlarla yenidən qurmasını bildirir.

Mənbə bu iki ünsürün mütləq bir-birini izləyən ayrı zaman mərhələləri olmadığını xüsusilə qeyd edir. Eyni qiymətləndirmə hadisəsində birlikdə meydana çıxa bilərlər.

Agent-Nature Uncertainty Nədir?

Agent-Nature Uncertainty (ANI), istehlakçının normalda persuasion agent-ı qiymətləndirmək üçün istifadə etdiyi meyarların insan olmayan aktora uyğun olmadığını dərk etdiyi psixoloji vəziyyəti ifadə edən yeni nəzəri anlayışdır.

ANI reklam mesajının başa düşülməməsi deyil. İstehlakçı reklamın nə dediyini tamamilə anlaya bilər.

ANI eyni zamanda mənbənin yanlış tanınması deyil. Əksinə, istehlakçı mənbənin AI olduğunu düzgün bilir.

Qeyri-müəyyənlik bu sualdadır: “Bu insan olmayan aktoru hansı standarta görə qiymətləndirməliyəm?”

ANI niyə adi confusion deyil?

Confusion adətən mesajın mənası və ya məhsul məlumatının qeyri-kafiliyi ilə bağlıdır. ANI isə mesajın məzmununu deyil, mesajı yaradan aktoru qiymətləndirmək üçün istifadə edilən standartı əhatə edir.

ANI niyə skepticism deyil?

Skepticism istehlakçının qiymətləndirmə aparıb mənfi nəticəyə gəlməsini tələb edir. ANI isə müsbət və ya mənfi hökm verilməzdən əvvəl yaranan qiymətləndirmə problemidir.

ANI niyə source confusion deyil?

Source confusion vəziyyətində istehlakçı mesajın mənbəyini yanlış müəyyənləşdirir. ANI-də mənbə düzgün müəyyənləşdirilib: AI. Problem mənbənin kim olduğu deyil, onun necə qiymətləndirilməli olduğudur.

ANI niyə anthropomorphism deyil?

Anthropomorphism insan olmayan sistemə insan xüsusiyyətləri aid etməklə qiymətləndirməni asanlaşdıra bilər. Mənbə ANI-ni bundan əvvəlki həll edilməmiş vəziyyət kimi müəyyənləşdirir. Anthropomorphism nəzəri baxımdan ANI-ni həll etmək üçün istifadə olunan strategiyalardan biri ola bilər.

Bu fərqlər konseptualdır. ANI üçün hələ təsdiqlənmiş psixometrik şkala mövcud deyil.

Aktorun Yenidən Kalibrasiyası Necə İşləyə Bilər?

Mənbə klassik source credibility ədəbiyyatındakı expertise, trustworthiness və attractiveness meyarlarını başlanğıc nöqtəsi kimi götürür.

İnsanın expertise-i yaşanmış təcrübə və peşəkar keçmiş üzərindən qiymətləndirilə bilər. AI sisteminin expertise-i isə istehlakçı tərəfindən məlumat emalı qabiliyyəti, pattern recognition və ya texniki competence əsasında şərh edilə bilər.

Eyni şəkildə insanın trustworthiness-i niyyət, səmimiyyət və ortaq dəyərlərlə əlaqələndirilə bilərkən, AI üçün reliability və keçmiş performans daha uyğun meyarlara çevrilə bilər.

Mənbə bunun mütləq daha aşağı credibility demək olmadığını vurğulayır. Ortaya çıxa biləcək şey fərqli növ credibility profilidir: texniki competence yüksək ola bilər, relational xüsusiyyətlər isə qeyri-müəyyən qala bilər.

İstehsalın Yenidən Kalibrasiyası Nədir?

Production recalibration, reklam istehsalına aid edilən əməyin yenidən qiymətləndirilməsidir.

İnsan yaradıcı komanda tərəfindən hazırlanan kampaniya istehlakçının zehnində ideyanın hazırlanması, mətn yazılması, dizayn, foto və ya video istehsalı və təkrar redaktə kimi uzun iş prosesini təmsil edə bilər.

Generative AI eyni görünən nəticəni daha sürətlə yarada bilirsə, istehlakçı output quality ilə creative investment-ı bir-birindən ayıra bilər.

Mənbə AI istifadəsinin məlum olduğu halda perceived effort-ın azalacağını nəzəri olaraq proqnozlaşdırır.

Bu tədqiqat qavranılan əməyin həqiqətən azaldığını ölçməyib; bu əlaqə gələcəkdə sınaqdan keçirilməli müddəadır.

AI İstifadəsi Açıqlanmasa Belə İstehlakçı Fərqli Reaksiya Verə Bilərmi?

Mənbə buna nəzəri olaraq bəli cavabı verir və ikinci yol təklif edir.

AI istifadəsinin açıqlandığı halda istehlakçı ANI yaşaya və həm aktor, həm də production meyarlarını yenidən kalibrasiya edə bilər.

AI istifadəsinin açıqlanmadığı halda isə istehlakçı mənbə barədə AI məlumatına malik olmadığı üçün ANI yaranmır. Lakin reklamın öz üslub xüsusiyyətləri aşağı creative investment təəssüratı yaradırsa production recalibration yenə ortaya çıxa bilər.

Mənbə generic fluency, formulaic structure və mədəni spesifikliyin azlığını mümkün nümunələr kimi göstərir. Bunlar təsdiqlənmiş AI reklam xüsusiyyətləri və ya etibarlı AI detection üsulları deyil.

İstehlakçı Reaksiyasını Hansı Şərtlər Dəyişdirə Bilər?

AI Savadlılığı Niyə İki Əks Təsir Yarada Bilər?

AI ilə tanış olan istehlakçı sistemin necə işlədiyini daha yaxşı bildiyi üçün insan olmayan aktor qarşısında daha az qeyri-müəyyənlik yaşaya bilər. Buna görə ANI daha aşağı ola bilər.

Eyni istehlakçı reklamın generative AI ilə nə qədər tez yaradıla biləcəyini də daha yaxşı bildiyi üçün daha az creative effort aid edə bilər.

Mənbə buna görə AI literacy-nin bütün prosesi bir istiqamətdə gücləndirən və ya zəiflədən sadə moderator olmadığını irəli sürür.

Marka Etibarı Necə İkiyə Bölünür?

Mənbə brand trust-ı relational və calculative olmaqla iki istiqamətdə nəzərdən keçirir.

Relational trust, markanın xoş niyyətinə və istehlakçı ilə qurduğu münasibətə duyulan etibarı ifadə edir.

Calculative trust, markanın funksiyasını yerinə yetirmək və gözlənilən performansı təqdim etmək qabiliyyətinə dair etibardır.

Tədqiqatın nəzəri gözləntisinə görə AI mənbəli agent recalibration relational trust-a daha çox təsir edə bilər, calculative trust isə nisbətən daha dayanıqlı qala bilər.

Marka Autentikliyinin Hansı Ölçüləri Təsirlənə Bilər?

Mənbə Morhart və həmkarlarının continuity, credibility, integrity və symbolism ölçülərindən istifadə edir.

İnsan niyyəti və yaradıcı kimliklə daha yaxın əlaqəli olduğu fərz edilən integrity və symbolism-in AI istehsalına daha həssas ola biləcəyi; continuity və credibility-nin isə daha funksional xüsusiyyətlər kimi nisbətən qoruna biləcəyi irəli sürülür.

Bu fərqləndirmə P11-də nəzəri müddəa kimi formalaşdırılıb və bu tədqiqatda empirik şəkildə sınaqdan keçirilməyib.

Tədqiqatın Metodu və Nəticələri

Tədqiqatın üsulu nədir?

Bu tədqiqat konseptual nəzəriyyə inkişaf etdirmə araşdırmasıdır.

Yeni istehlakçı nümunəsi yaradılmayıb. İştirakçılarla eksperiment, sorğu və ya müsahibə aparılmayıb. Yeni reklam performansı məlumatı və ya satınalma məlumatı təhlil edilməyib.

Müəllif dörd əsas tədqiqat sahəsini ortaq psixoloji zəncir şəklində birləşdirir: Persuasion Knowledge Model, source credibility, effort heuristic və brand authenticity. Algorithm aversion/appreciation ədəbiyyatı isə insanla alqoritmik aktor arasındakı tapşırıqdan asılı istehlakçı reaksiyaları üçün əlavə nəzəri əsas yaradır.

Səhifə 12-dəki konseptual model nəyi göstərir?

Mənbənin Şəkil 1-i iki fərqli giriş yolunu göstərir.

Pathway 1: AI-generated advertising açıqlandıqda disruption/ANI aktivləşir. Buradan agent recalibration və production recalibration-a keçilir; hər ikisi marka səviyyəli nəticələrlə əlaqələndirilir.

Pathway 2: AI-generated advertising açıqlanmadıqda disruption bypass edilir. Məzmunun üslub xüsusiyyətləri birbaşa production recalibration-a bağlana bilər.

İki yol brand trust, authenticity, persuasiveness və purchase intention kimi downstream nəticələrdə birləşir.

Şəkildə həmçinin disclosure, product category, brand positioning və AI literacy moderating conditions kimi ayrıca göstərilir.

Tədqiqatın 11 Müddəası Nəyi Sınaqdan Keçirməyi Təklif Edir?

Bunların heç biri mövcud tədqiqatda təsdiqlənmiş nəticə deyil.

Reklamın İnandırıcılığı və Satınalma Niyyəti Üçün Niyə Ayrı Müddəa Yoxdur?

Mənbə ad persuasiveness və purchase intention-ı ən uzaq nəticələr kimi qiymətləndirir.

Nəzəri model bu dəyişənlərin birbaşa hansı yeni mexanizmlə təsirlənəcəyini ayrıca müəyyən etmədiyi üçün onlar P10 və P11-dəki trust və authenticity dəyişikliklərinin downstream nəticələri kimi saxlanılıb.

Bu seçim nəzəriyyənin dəstəkləmədiyi birbaşa əlaqələri proposition-a çevirməkdən qaçan mühüm metodoloji məhdudiyyətdir.

Tam Avtomatlaşdırma Üçün Model Nə Proqnozlaşdırır?

Model dəqiq istiqamət proqnozlaşdırmır.

AI yalnız reklamı yarada, paylanma isə ənənəvi üsullarla həyata keçirilə bilər və ya AI həm məzmunu yarada, həm də hədəfləmə və paylanmanı idarə edə bilər.

Mənbə ikinci vəziyyətin disruption-recalibration-ı artırıb-artırmayacağını mövcud modeldən çıxara bilmədiyi üçün bunu RQ1 adı ilə açıq tədqiqat sualı kimi saxlayıb.

Tədqiqatın Dəstəklədiyi və Dəstəkləmədiyi Nəticələr

Əsas Məhdudiyyətlər Nələrdir?

Birinci məhdudiyyət framework-ün tamamilə konseptual olmasıdır.

İkinci məhdudiyyət ANI-nin hələ etibarlı measurement scale-ə malik olmamasıdır.

Üçüncü məhdudiyyət framework-ün əsas ədəbiyyatının əsasən Qərb istehlakçı populyasiyalarından gəlməsidir; müxtəlif mədəni mühitlərdə ümumiləşdirilə bilməsi məlum deyil.

Dördüncü məhdudiyyət propositions istiqamət göstərsə də effect magnitude göstərməməsidir.

Beşinci məhdudiyyət təkrarlanan AI reklam məruz qalmasının zamanla istehlakçıların insan olmayan aktorlara xas yeni qalıcı qiymətləndirmə sxemləri yaradıb-yaratmayacağının bilinməməsidir.

Altıncı məhdudiyyət AI literacy-nin disruption-ı azaldan və production recalibration-ı artıran iki təsirindən hansının real istehlakçı davranışında daha dominant olacağını nəzəri modelin müəyyən edə bilməməsidir.

AB Süni İntellekt Tənzimləməsi ilə Əlaqəsi Necə Oxunmalıdır?

Mənbə transparency və disclosure məsələsini framework-ün mühüm tətbiq sahələrindən biri kimi müzakirə edir. Bunun səbəbi disclosure-ın modeldə yalnız məlumat verən etiket deyil, hansı psixoloji qiymətləndirmə yolunun aktivləşə biləcəyini dəyişdirən giriş dəyişəni olmasıdır.

Lakin tənzimləyici müzakirədə bütün AI reklamlarının eyni görünən etiketləmə öhdəliyinə tabe olduğu fərz edilməməlidir. Mövcud Avropa İttifaqı tənzimləməsində müxtəlif AI-generated content növləri provider və deployer rollarına görə fərqli transparency öhdəliklərinə tabedir.

Buna görə Verianla baxımından tənzimləyici bölmənin dəyəri konkret hüquqi nəticə verməkdən daha çox bu tədqiqat sualındadır: İstehlakçıya AI istifadəsinin açıqlanması yalnız şəffaflığı təmin etmir, reklamın qiymətləndirilməsinin psixoloji mexanizmini də dəyişdirirmi?

Ümumi elmi şərh

Tədqiqatın ən güclü tərəfi AI-generated advertising-i yalnız yeni reklam istehsalı texnologiyası kimi deyil, consumer-evaluation nəzəriyyələrinin əsas fərziyyələrini sınayan yeni persuasion-agent kateqoriyası kimi nəzərdən keçirməsidir.

Mənbənin mərkəzi iddiası istehlakçıların AI reklamlarını mütləq sevmədiyi deyil.

Daha əsas iddia budur: İstehlakçı AI reklamını insan reklamından fərqli zehni meyar sistemi ilə qiymətləndirməyə başlaya bilər.

Bunun həqiqətən baş verib-vermədiyini, ANI-nin ölçülə bilən psixoloji construct olub-olmadığını və iki recalibration yolunun marka etibarı, authenticity, persuasion və purchasing üzərində hansı böyüklükdə təsir yaratdığını müəyyən etmək üçün eksperimental tədqiqat tələb olunur.

Mənbə və Metod Qeydi

Özgün iş: When the Machine Writes the Ad: How Consumers Evaluate AI-Generated Advertising.

Müəllif: Lucas Caldeira-Souza.

Qurum: Nova School of Business and Economics.

Sənəd növü: Working Paper.

Son reviziya: İyul 2026.

SSRN: Abstract No. 7198982.

DOI: 10.2139/ssrn.7198982.

Rəyçilik: Mənbə sənədi hələ peer review aparılmadığını açıq şəkildə bildirir.

Tədqiqat növü: Konseptual nəzəriyyə inkişafı və ədəbiyyat sintezi.

Empirik məlumat: Yeni məlumat toplanmayıb və ya təhlil edilməyib.

Əsas nəzəri töhfələr: Evaluative disruption-recalibration və Agent-Nature Uncertainty.

Recalibration ölçüləri: Agent recalibration və production recalibration.

Model yolları: AI mənbəyinin bilinməsini tələb edən full disruption-recalibration pathway ilə disclosure olmadan content-style üzərindən işləyə biləcəyi irəli sürülən production pathway.

Moderating conditions: Disclosure, product category, brand positioning və consumer AI literacy.

Outcome dəyişənləri: Brand authenticity, brand trust, ad persuasiveness və purchase intention.

Nəzəri nəticə: 11 proposition və 1 research question.

Əsas elmi məhdudiyyət: Framework, propositions və ANI construct-ı bu məqalədə empirik şəkildə təsdiqlənməyib.

Maliyyələşdirmə: Xarici maliyyələşdirmə yoxdur.

Maraqlar toqquşması: Müəllif conflict of interest bildirmir.

Data availability: Tədqiqatda empirik məlumat toplanmayıb.

Lisenziya: SSRN qeydi Creative Commons Attribution-NonCommercial 4.0 International lisenziyasını göstərir.

Müəlliflik hüququ yanaşması: Mənbə məqalə cümlə və ya abzas səviyyəsində tərcümə edilməyib; nəzəri entity-lər, əlaqələr, propositions, məhdudiyyətlər və tədqiqat sualları müstəqil Verianla pedaqoji strukturunda yenidən qurulub.